How do Depth of Discharge, C-rate and Calendar Age Affect Capacity Retention, Impedance Growth, the Electrodes, and the Electrolyte in Li-Ion Cells?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Lithium-ion cells testing under different state of charge ranges, C-rates and cycling temperature have different degrees of lithium inventory loss, impedance growth and active mass loss. Here, a large matrix of polycrystalline NMC622/natural graphite Li-ion pouch cells were tested with seven different state of charge ranges (0-25, 0-50, 0-75, 0-100, 75-100, 50-100 and 25-100%), three different C-rates and at two temperatures. First, capacity fade was compared to a model developed by Deshpande and Bernardi. Second, after 2.5 years of cycling, detailed analysis by dV/dQ analysis, lithium-ion differential thermal analysis, volume expansion by Archimedes’ principle, electrode stack growth, ultrasonic transmissivity and x-ray computed tomography were undertaken. These measurements enabled us to develop a complete picture of cell aging for these cells. This then led to an empirical predictive model for cell capacity loss versus SOC range and calendar age. Although these particular cells exhibited substantial positive electrode active mass loss, this did not play a role in capacity retention because the cells were anode limited during full discharge under all the tests carried out here. However, the positive electrode mass loss was strongly coupled to positive electrode swelling and electrolyte “unwetting” that would eventually cause dramatic failure.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle